כש AI מבצע משימות שגרתיות, עובדים חדשים עלולים לאבד הזדמנויות לתרגל ולבנות מיומנויות לפני שיתמודדו עם מקרים מורכבים. רייצ'ל אורסטון מ Instructure טוענת שהדרכות רבות מסתכמות בהעברת מידע — מצגות, נהלים ובחנים — ולא בהכנה להפעלת שיקול דעת בעבודה.[1] תרגול בסיסי, סימולציות, אימון על קבלת החלטות ועבודה בפיקוח יכולים לסיי...
פורסם על ידינערך באמצעות GPT-6 Lunaהתמונות נוצרו באמצעות GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: How is AI automation of routine entry-level work removing the training “on-ramp” for new employees, according to Instructure chief customer. Article summary: The central concern is a training gap, not simply job loss: automating junior tasks can remove the work through which beginners become capable professionals, while firms still need to develop future senior staff.[13] The. Topic tags: general, general web, user generated, government, education. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, wate
AI יכול לקצר תהליכים ולהקל על העבודה, אבל חלק מהמשימות שהוא מבצע כיום היו בעבר נקודת הכניסה של עובדים חדשים למקצוע. הן נתנו להם הזדמנות להתנסות, לזהות דפוסים ולהבין מה עושים לפני שהגיעו למקרים החריגים והמורכבים. אם ההתנסות הזאת נעלמת, חברות עלולות לגלות שחסרה להן לא רק שורת גיוס — אלא גם דרך לגדל את אנשי המקצוע המנוסים שיידרשו להן בהמשך.
בטור שפורסם ב-Forbes, רייצ'ל אורסטון, מנהלת הלקוחות הראשית ב-Instructure, הטילה ספק בכך שחברות רבות אכן מכשירות עובדים. לדבריה, מה שמכונה לעיתים קרובות הדרכה הוא למעשה העברת מידע: מצגת, הסבר על המוצר, מעבר על הנהלים ובוחן — ואז ציפייה שהעובד יידע לבצע את התפקיד.1
היכרות עם כלל אינה זהה ליכולת ליישם אותו כשיש מידע חסר, כשהמקרה לא מתאים לנוהל או כשלקוח זקוק למענה אחר. משימות שגרתיות עשויות לספק חזרות שמסייעות למתחילים ללמוד לזהות מצבים ולהחליט מה הצעד הבא. כשה-AI מטפל ביותר מהן, לעובדים חדשים עלולות להיות פחות הזדמנויות להתכונן לפני שיתקלו בחריגים. זהו פער הכשרה אפשרי — לא הוכחה שכל משימה שאפשר לאוטומט הייתה בהכרח שיעור טוב.
הפתרון אינו בהכרח להשאיר כל משימה כפי שהייתה. מעסיקים יכולים להשתמש ב-AI בעבודה שגרתית מתאימה, ובמקביל לתכנן במכוון את הדרך שבה עובדים חדשים לומדים:
זו הצעה מעשית להתמודדות עם פחות למידה תוך כדי עבודה, ולא טענה שסימולציות או אימון לבדם כבר הוכחו כפתרון מלא.
במאמר דעה ב-The Straits Times, ונסה טאנג טוענת שאוטומציה של עבודות התחלתיות אינה מבטלת את הצורך להכשיר עובדים חדשים לתפקידים בכירים בעתיד.36 תפקיד זוטר יכול לספק עבודה מועילה בהווה, ובו בזמן לאפשר לעובד לבנות ניסיון לקראת אחריות גדולה יותר. לכן, השאלה החשובה היא לא רק אם המסלול נקרא התמחות או חניכה, אלא אם הוא כולל עבודה משמעותית, פיקוח ומשוב.
דיווחים מסינגפור ממחישים שתי דרכים להתאים את ההזדמנויות לעידן ה-AI. מפתחים זוטרים נדרשים כיום לבחון טיוטות קוד שיצר AI ולבדוק את האבטחה, ההיגיון וההתאמה לצרכים העסקיים.18 במקביל, כ-3,000 התמחויות בנות שנה צפויות להיפתח לסטודנטים במוסדות להשכלה על-תיכונית לאורך שלוש שנים, כדי לסייע להם לצבור ניסיון בעבודה.
17 האחת משנה את אופי העבודה שמתחילים מבצעים; האחרת מציעה הזדמנות ממושכת יותר לצבור ניסיון.
מחקר של Stanford מצא ירידות בתעסוקה שהתרכזו בקרב עובדים בני 22–25 במקצועות החשופים במיוחד ל-AI; בקרב עובדים מבוגרים יותר, הדפוס נחלש ונעלם.49 במחקר אחד דווח על ירידה יחסית של 13% בתעסוקת עובדים בתחילת הקריירה במקצועות החשופים ביותר, לאחר התחשבות בזעזועים ברמת החברות.
52 אין פירוש הדבר ש-AI העלים 13% מכלל משרות הכניסה.
חשוב גם להבחין בין מתאם לסיבתיות: Stanford מציין כי לוח המחוונים שלו מודד את הקשר בין חשיפת מקצועות ל-AI לבין מגמות תעסוקה, ולא מוכיח שה-AI גרם לשינויים.51 נתון נפרד שסוכם ב-Forbes מצביע על כך שבוגרים מתחומים החשופים במיוחד ל-AI התחילו עם הכנסה רבעונית נמוכה בכ-13% מזו של עמיתיהם בתחומים החשופים פחות.
58 הכנסה אינה ספירת משרות, ולכן אין לפרש את הנתון כאילו הוא מודד ישירות כמה משרות נעלמו. מחקרים אחרים שסוכמו בידי Stanford מצאו לכל היותר שינויים קטנים בגיוס למקצועות החשופים ל-AI.
54
המסקנה המדויקת אינה שכל משרות הכניסה עומדות להיעלם, וגם לא שהכול נשאר כשהיה. הסיכון התעסוקתי אינו אחיד, ובמקביל משתנה תוכן העבודה של עובדים בתחילת דרכם. מעסיקים צריכים לעקוב אחר שני הדברים: מי מצליח להתקבל לעבודה, והאם עדיין יש לעובדים חדשים מסלול נתמך שבונה את המיומנויות ואת שיקול הדעת הנדרשים בהמשך.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
כש AI מבצע משימות שגרתיות, עובדים חדשים עלולים לאבד הזדמנויות לתרגל ולבנות מיומנויות לפני שיתמודדו עם מקרים מורכבים.
כש AI מבצע משימות שגרתיות, עובדים חדשים עלולים לאבד הזדמנויות לתרגל ולבנות מיומנויות לפני שיתמודדו עם מקרים מורכבים. רייצ'ל אורסטון מ Instructure טוענת שהדרכות רבות מסתכמות בהעברת מידע — מצגות, נהלים ובחנים — ולא בהכנה להפעלת שיקול דעת בעבודה.[1]
תרגול בסיסי, סימולציות, אימון על קבלת החלטות ועבודה בפיקוח יכולים לסייע בבניית מסלול למידה גם כשהמשימות משתנות.
כש AI מבצע משימות שגרתיות, עובדים חדשים עלולים לאבד הזדמנויות לתרגל ולבנות מיומנויות לפני שיתמודדו עם מקרים מורכבים. רייצ'ל אורסטון מ Instructure טוענת שהדרכות רבות מסתכמות בהעברת מידע — מצגות, נהלים ובחנים — ולא בהכנה להפעלת שיקול דעת בעבודה.[1] תרגול בסיסי, סימולציות, אימון על קבלת החלטות ועבודה בפיקוח יכולים לסיי...
פורסם על ידינערך באמצעות GPT-6 Lunaהתמונות נוצרו באמצעות GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: How is AI automation of routine entry-level work removing the training “on-ramp” for new employees, according to Instructure chief customer. Article summary: The central concern is a training gap, not simply job loss: automating junior tasks can remove the work through which beginners become capable professionals, while firms still need to develop future senior staff.[13] The. Topic tags: general, general web, user generated, government, education. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, wate
AI יכול לקצר תהליכים ולהקל על העבודה, אבל חלק מהמשימות שהוא מבצע כיום היו בעבר נקודת הכניסה של עובדים חדשים למקצוע. הן נתנו להם הזדמנות להתנסות, לזהות דפוסים ולהבין מה עושים לפני שהגיעו למקרים החריגים והמורכבים. אם ההתנסות הזאת נעלמת, חברות עלולות לגלות שחסרה להן לא רק שורת גיוס — אלא גם דרך לגדל את אנשי המקצוע המנוסים שיידרשו להן בהמשך.
בטור שפורסם ב-Forbes, רייצ'ל אורסטון, מנהלת הלקוחות הראשית ב-Instructure, הטילה ספק בכך שחברות רבות אכן מכשירות עובדים. לדבריה, מה שמכונה לעיתים קרובות הדרכה הוא למעשה העברת מידע: מצגת, הסבר על המוצר, מעבר על הנהלים ובוחן — ואז ציפייה שהעובד יידע לבצע את התפקיד.1
היכרות עם כלל אינה זהה ליכולת ליישם אותו כשיש מידע חסר, כשהמקרה לא מתאים לנוהל או כשלקוח זקוק למענה אחר. משימות שגרתיות עשויות לספק חזרות שמסייעות למתחילים ללמוד לזהות מצבים ולהחליט מה הצעד הבא. כשה-AI מטפל ביותר מהן, לעובדים חדשים עלולות להיות פחות הזדמנויות להתכונן לפני שיתקלו בחריגים. זהו פער הכשרה אפשרי — לא הוכחה שכל משימה שאפשר לאוטומט הייתה בהכרח שיעור טוב.
הפתרון אינו בהכרח להשאיר כל משימה כפי שהייתה. מעסיקים יכולים להשתמש ב-AI בעבודה שגרתית מתאימה, ובמקביל לתכנן במכוון את הדרך שבה עובדים חדשים לומדים:
זו הצעה מעשית להתמודדות עם פחות למידה תוך כדי עבודה, ולא טענה שסימולציות או אימון לבדם כבר הוכחו כפתרון מלא.
במאמר דעה ב-The Straits Times, ונסה טאנג טוענת שאוטומציה של עבודות התחלתיות אינה מבטלת את הצורך להכשיר עובדים חדשים לתפקידים בכירים בעתיד.36 תפקיד זוטר יכול לספק עבודה מועילה בהווה, ובו בזמן לאפשר לעובד לבנות ניסיון לקראת אחריות גדולה יותר. לכן, השאלה החשובה היא לא רק אם המסלול נקרא התמחות או חניכה, אלא אם הוא כולל עבודה משמעותית, פיקוח ומשוב.
דיווחים מסינגפור ממחישים שתי דרכים להתאים את ההזדמנויות לעידן ה-AI. מפתחים זוטרים נדרשים כיום לבחון טיוטות קוד שיצר AI ולבדוק את האבטחה, ההיגיון וההתאמה לצרכים העסקיים.18 במקביל, כ-3,000 התמחויות בנות שנה צפויות להיפתח לסטודנטים במוסדות להשכלה על-תיכונית לאורך שלוש שנים, כדי לסייע להם לצבור ניסיון בעבודה.
17 האחת משנה את אופי העבודה שמתחילים מבצעים; האחרת מציעה הזדמנות ממושכת יותר לצבור ניסיון.
מחקר של Stanford מצא ירידות בתעסוקה שהתרכזו בקרב עובדים בני 22–25 במקצועות החשופים במיוחד ל-AI; בקרב עובדים מבוגרים יותר, הדפוס נחלש ונעלם.49 במחקר אחד דווח על ירידה יחסית של 13% בתעסוקת עובדים בתחילת הקריירה במקצועות החשופים ביותר, לאחר התחשבות בזעזועים ברמת החברות.
52 אין פירוש הדבר ש-AI העלים 13% מכלל משרות הכניסה.
חשוב גם להבחין בין מתאם לסיבתיות: Stanford מציין כי לוח המחוונים שלו מודד את הקשר בין חשיפת מקצועות ל-AI לבין מגמות תעסוקה, ולא מוכיח שה-AI גרם לשינויים.51 נתון נפרד שסוכם ב-Forbes מצביע על כך שבוגרים מתחומים החשופים במיוחד ל-AI התחילו עם הכנסה רבעונית נמוכה בכ-13% מזו של עמיתיהם בתחומים החשופים פחות.
58 הכנסה אינה ספירת משרות, ולכן אין לפרש את הנתון כאילו הוא מודד ישירות כמה משרות נעלמו. מחקרים אחרים שסוכמו בידי Stanford מצאו לכל היותר שינויים קטנים בגיוס למקצועות החשופים ל-AI.
54
המסקנה המדויקת אינה שכל משרות הכניסה עומדות להיעלם, וגם לא שהכול נשאר כשהיה. הסיכון התעסוקתי אינו אחיד, ובמקביל משתנה תוכן העבודה של עובדים בתחילת דרכם. מעסיקים צריכים לעקוב אחר שני הדברים: מי מצליח להתקבל לעבודה, והאם עדיין יש לעובדים חדשים מסלול נתמך שבונה את המיומנויות ואת שיקול הדעת הנדרשים בהמשך.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
כש AI מבצע משימות שגרתיות, עובדים חדשים עלולים לאבד הזדמנויות לתרגל ולבנות מיומנויות לפני שיתמודדו עם מקרים מורכבים.
כש AI מבצע משימות שגרתיות, עובדים חדשים עלולים לאבד הזדמנויות לתרגל ולבנות מיומנויות לפני שיתמודדו עם מקרים מורכבים. רייצ'ל אורסטון מ Instructure טוענת שהדרכות רבות מסתכמות בהעברת מידע — מצגות, נהלים ובחנים — ולא בהכנה להפעלת שיקול דעת בעבודה.[1]
תרגול בסיסי, סימולציות, אימון על קבלת החלטות ועבודה בפיקוח יכולים לסייע בבניית מסלול למידה גם כשהמשימות משתנות.